MetaMate-Dataset

该数据集包含32项实证研究，专注于提升学习者自主性的干预措施。这些研究包括期刊文章和论文，来源于约翰霍普金斯大学教育学院的一个元分析项目。元分析旨在评估干预措施对提高学习者自主性结果的有效性，所有研究至少包含一个治疗条件和一个对照条件。研究对象包括从K-12到高等教育的不同教育阶段的学生，研究背景涵盖亚洲、欧洲、中东和北美等多样化的教育系统。研究领域主要集中在语言学习和STEM等领域。

This dataset comprises 32 empirical studies focusing on interventions aimed at enhancing learner autonomy. These studies, including journal articles and theses, are derived from a meta-analysis project conducted by the School of Education at Johns Hopkins University. The meta-analysis seeks to evaluate the effectiveness of interventions in improving outcomes related to learner autonomy, with all studies featuring at least one treatment condition and one control condition. The subjects of the studies span students across various educational stages from K-12 to higher education, with research contexts covering diverse educational systems in Asia, Europe, the Middle East, and North America. The research areas primarily concentrate on language learning and STEM fields.

原始信息汇总

数据集概述

数据集名称

MetaMate-Dataset

数据集用途

该数据集用于论文"MetaMate: Large Language Model to the Rescue of Automated Data Extraction for Educational Systematic Reviews and Meta-analyses"中，旨在评估干预措施对提高学习者自主性效果的元分析项目。

数据集内容

• 研究数量：包含32项实证研究。
• 研究类型：包括期刊文章和学位论文。
• 研究主题：专注于提升学习者自主性的干预措施。
• 研究对象：涵盖K-12及高等教育阶段的学生。
• 研究来源：来自亚洲、欧洲、中东和北美等多个教育系统。
• 学科领域：主要涉及语言学习和STEM等领域。

数据元素

• 数据元素数量：共识别出20个数据元素。
• 分类：基于PICO框架的参与者与干预类别，包括10个参与者相关数据元素和10个干预相关数据元素。
• 详细信息：具体细节可参考[coding_scheme.pdf]文件。

引用信息

• BibTex引用： BibTeX @misc{wang_luo_2024, title={MetaMate: Large Language Model to the Rescue of Automated Data Extraction for Educational Systematic Reviews and Meta-analyses}, url={osf.io/preprints/edarxiv/wn3cd}, DOI={10.35542/osf.io/wn3cd}, publisher={EdArXiv}, author={Wang, Xue and Luo, Gaoxiang}, year={2024}, month={May} }

• APA引用：

  Wang, X., & Luo, G. (2024, May 2). MetaMate: Large Language Model to the Rescue of Automated Data Extraction for Educational Systematic Reviews and Meta-analyses. https://doi.org/10.35542/osf.io/wn3cd

搜集汇总

数据集介绍

构建方式

MetaMate-Dataset的构建基于32项实证研究，这些研究聚焦于旨在增强学习者自主性的干预措施。这些研究来源于约翰霍普金斯大学教育学院主导的元分析项目，涵盖了从期刊文章到学位论文的多种文献类型。所有纳入的研究均包含至少一个处理条件和一个对照条件，研究对象涵盖了从K-12到高等教育的不同教育阶段，并涉及亚洲、欧洲、中东及北美等多个教育系统。研究领域广泛，特别关注语言学习和STEM领域。数据集通过PICO框架提取了20个数据元素，包括10个与参与者相关的元素和10个与干预相关的元素，详细编码方案可参见`coding_scheme.pdf`。

特点

MetaMate-Dataset的显著特点在于其跨学科和跨文化的广泛性，涵盖了多个教育阶段和不同教育系统的研究，确保了数据的多样性和代表性。此外，数据集通过PICO框架进行系统化编码，使得数据结构清晰且易于分析。研究主题聚焦于学习者自主性的提升，具有明确的教育研究目标，为教育系统评价和干预措施的效果评估提供了坚实的基础。

使用方法

MetaMate-Dataset适用于教育系统评价、干预措施效果评估以及学习者自主性研究等领域。研究者可以通过PICO框架提取的数据元素进行深入分析，评估不同干预措施对学习者自主性的影响。数据集的多样性和系统化编码使其适合用于元分析、系统综述以及机器学习模型的训练。使用时，建议参考`coding_scheme.pdf`以确保数据提取和分析的一致性，并按照提供的BibTeX或APA格式进行引用。

背景与挑战

背景概述

MetaMate-Dataset是由约翰斯·霍普金斯大学教育学院的研究人员主导创建的，旨在支持教育系统综述和元分析的自动化数据提取。该数据集汇集了32项实证研究，聚焦于提升学习者自主性的干预措施，涵盖了从K-12到高等教育的多个教育阶段，并涉及语言学习和STEM等多个学科领域。这些研究源自亚洲、欧洲、中东和北美等多个教育体系，且每项研究均包含至少一个处理条件和一个对照条件。MetaMate-Dataset的核心研究问题在于评估这些干预措施对学习者自主性结果的有效性，其创建不仅为教育领域的系统综述和元分析提供了宝贵的数据资源，还推动了自动化数据提取技术在该领域的应用。

当前挑战

MetaMate-Dataset在构建过程中面临多项挑战。首先，数据来源广泛，涉及不同教育体系和学科领域，导致数据异质性较高，增加了数据整合与分析的复杂性。其次，数据提取过程中需遵循PICO框架，识别并编码20个数据元素，这对自动化工具的准确性和可靠性提出了较高要求。此外，如何确保数据提取的自动化过程与人工审查的平衡，以避免信息遗漏或错误，也是该数据集面临的重要挑战。最后，数据集的应用需考虑不同教育背景和文化差异对干预效果评估的影响，这进一步增加了数据分析的难度。

常用场景

经典使用场景

MetaMate-Dataset在教育系统综述和元分析领域展现出其经典应用价值。该数据集汇集了32项实证研究，聚焦于提升学习者自主性的干预措施。通过PICO框架，数据集详细记录了参与者和干预措施的20个关键数据元素，为研究者提供了系统化的数据支持。这些数据不仅涵盖了从K-12到高等教育的广泛教育阶段，还跨越了亚洲、欧洲、中东和北美等多个教育体系，使得该数据集在跨文化教育研究中具有广泛的应用潜力。

衍生相关工作

MetaMate-Dataset的发布催生了一系列相关研究工作。研究者利用该数据集进行深入的元分析，探索不同教育背景下干预措施的长期效果。此外，基于数据集的结构化数据，学者们开发了自动化数据提取工具，进一步提升了系统综述和元分析的效率。这些衍生工作不仅丰富了教育研究的方法论，还为未来教育干预措施的设计和评估提供了新的视角和工具。

数据集最近研究

最新研究方向

在教育系统综述与元分析领域，MetaMate-Dataset的最新研究方向聚焦于利用大型语言模型自动化数据提取，以提升教育系统综述和元分析的效率与准确性。该数据集汇集了32项关于增强学习者自主性的实证研究，涵盖了从K-12到高等教育的多个教育阶段，并涉及语言学习和STEM等多个学科领域。通过结合PICO框架，研究者能够系统地分析参与者和干预措施的相关数据元素，从而为教育干预的有效性评估提供坚实基础。这一研究方向不仅推动了教育研究方法的创新，也为跨文化、跨学科的教育干预研究提供了宝贵的数据资源。